慢性肾脏病（CKD）是全球性的健康挑战，影响约8.5亿人口，若进展至终末期肾病则可能危及生命。目前，肾活检是诊断和预测CKD的金标准，但由于其侵入性，临床上常受限于高风险解剖特征、高死亡率的系统性疾病，以及在欠发达地区缺乏活检技术和肾病专科服务。为解决这一问题，研究者们开发了一种名为肾脏智能诊断系统（Kidney Intelligent Diagnosis System, KIDS）的非侵入性模型，该模型能够通过眼底图像预测肾活检结果，实现了对CKD的准确预测，其预测准确率超过了肾病专家26.98%，并能识别常见的病理类型。

研究背景

CKD的早期检测和管理对于改善患者预后至关重要。然而，肾活检的局限性促使研究者探索非侵入性诊断方法。近年来，利用蛋白质组学、微小RNA和分子影像学的研究取得了一定进展，但这些方法的特异性和因果关系尚需进一步明确。与此同时，医学影像在CKD诊断中发挥了重要作用，尤其是人工智能（AI）辅助的医学影像分析，能够帮助医生识别肉眼难以察觉的影像特征，为CKD的早期检测、病理诊断和预后评估提供重要信息。

研究方法

研究者们利用深度学习（DL）算法，开发了KIDS模型，该模型基于眼底图像和临床数据，用于CKD的早期检测、病理诊断和长期预后预测。研究共纳入了来自6773名参与者的13144张眼底图像，其中包括CKD患者和非CKD对照组。

研究结果

CKD筛查模型

KIDS模型在CKD筛查中表现出色，其接收者操作特征曲线下面积（AUC）在内部测试数据集中达到0.959（95%CI：0.943~0.975），在外部测试数据集中达到0.858（95%CI：0.831~0.884）。此外，模型在早期、中期和晚期CKD的筛查中也表现出良好的性能，AUC值分别为0.936（95%CI：0.909~0.962）、0.947（95%CI：0.913~0.982）和0.993（95%CI：0.987~0.999）

（图1）。在不同模拟患病率下，模型的AUC值稳定在0.960左右，显示出良好的稳健性。

图1. 基于视网膜图像的慢性肾脏病筛查AI模型性能表现

病理诊断模型

KIDS模型不仅能够筛查CKD患者，还能准确识别五种最常见的病理类型，包括IgA肾病（IgAN）、特发性膜性肾病（MN）、糖尿病肾病（DN）、动脉性肾硬化症（ANS）和特发性最小病变病/局灶节段性肾小球硬化症（MCD/FSGS）。在内部测试数据集中，模型的AUC值范围为0.703~0.902；在外部测试数据集中，AUC值范围为0.790~0.932。此外，KIDS模型还通过结合眼底图像和临床数据，进一步提高了诊断性能，其AUC值在0.864~0.976之间。在多中心、多民族的外部验证中，模型的性能与内部测试数据集相似，表明其具有良好的泛化能力。

病理分期模型

KIDS模型还能够对CKD患者进行病理分期，预测肾小球硬化程度（PSG）。在内部测试数据集中，模型的AUC值达到0.901（95%CI：0.847~0.955）。在前瞻性测试和外部测试中，模型的AUC值分别为0.883（95%CI：0.813~0.954）和0.919（95%CI：0.881~0.958）。在真实世界测试数据集中，模型的AUC值范围为0.901~0.910，显示出良好的稳健性。

预后预测模型
KIDS模型还能够预测CKD患者的疾病进展，包括肾功能下降50%、肾移植和透析等终点事件。在回顾性队列中，999名患者接受了中位44个月（IQR：22~74个月）的随访，其中272名患者发生了肾终点事件。KIDS模型的平均C-index为0.811（95%CI：0.800~0.822），时间依赖性ROC曲线下面积在1年、3年和5年分别为0.854（95%CI：0.810~0.897）、0.845（95%CI：0.811~0.879）和0.821（95%CI：0.786~0.857）。此外，KIDS模型还能够根据病理类型和PSG预测患者的预后风险，将患者分为低风险、中风险和高风险组，Kaplan-Meier曲线显示了良好的风险分层能力（图2）。

图2. 不同病理类型中慢性肾脏病的进展情况及Cox比例风险回归模型在进展预测中的表现

与肾病专家的比较

在多中心前瞻性数据集中，KIDS模型的诊断性能与12名肾病专家进行了比较。结果显示，KIDS模型在识别不同病理类型时的敏感性高于所有肾病专家，除了动脉性肾硬化症（ANS）的诊断，两名专家的敏感性略高于KIDS模型。此外，KIDS模型在诊断准确性方面也显示出更大的优势，其准确率比肾病专家高出26.98%。

研究意义

KIDS模型的开发为CKD的非侵入性诊断提供了一种新的方法。该模型不仅能够提高CKD筛查的准确性，还能够为无法进行肾活检的患者提供病理诊断和预后预测。此外，KIDS模型的灵活性使其能够适应不同地区的医疗条件，为患者提供个性化的诊断工具。这一非侵入性模型有望改善CKD的临床管理，尤其是在那些无法进行肾活检的患者中。

研究局限性

尽管KIDS模型在多个数据集中表现出色，但研究仍存在一些局限性。首先，由于肾活检的侵入性和可及性限制，样本量相对有限。其次，外部测试中收集的眼底图像在亮度、清晰度和完整性方面存在不足，可能会影响模型的性能。最后，研究队列主要包含中国和索马里患者，因此需要在更广泛的国家和民族中进一步验证模型的泛化能力。

未来研究方向

未来的研究将致力于解决上述局限性，并进一步提高KIDS模型的准确性和泛化能力。研究团队计划在更多样化的临床和人群中进行模型训练，以改善其临床应用的诊断准确性。此外，研究还将扩展模型的能力，使其能够预测更广泛的病理类型，并深入研究CKD的组织学特征，以评估其预后价值。

综上所述，KIDS模型不仅适用于CKD的人群筛查，还能为个体患者提供准确的诊断和预后信息，而无需进行侵入性操作。该模型在病理诊断中的准确性和稳定性优于人类医生，这对于无法进行肾活检的CKD患者极为有益。由于眼底图像或临床数据在临床实践中易于获取，这一非侵入性模型显示出巨大的潜力，可用于CKD的全面管理，并改善肾脏护理质量。

参考文献

Wu Q, et al. Nature Communications. 2025; 16: 6962.